/ Модель
Каталог

Характеристики

Параметры
1,3 млрд
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-1b
Библиотека
transformers
Опубликована
23 янв 2025

Ссылки

Hugging Face

wav2vec2-xls-r-1b-scandinavian-E3-100h-30-epochs-20250123

davidilag
Распознавание речиАудио → текст8 профессий

Дообученная wav2vec 2.0 модель для преобразования аудиоречи в текст.

11скачиваний за 30 дней0лайковвеса обновлены23 янв 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

wav2vec2-xls-r-1b-scandinavian-E3-100h-30-epochs-20250123 — модель распознавания речи, дообученная на базе facebook/wav2vec2-xls-r-1b. Она использует архитектуру Wav2Vec2ForCTC и содержит 1,3 млрд параметров; модель принимает аудио и преобразует речь в текст. Карточка называет данные для дообучения неизвестным датасетом и не уточняет поддерживаемые языки, несмотря на упоминание Scandinavian в названии.

На оценочном наборе указаны WER 21,6559 и CER 5,6618. Модель подходит для распознавания речи в аудиозаписях; качество для конкретных языков и условий записи следует проверять отдельно. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • Транскрибация аудиозаписей на скандинавских языках
  • Получение текстовой расшифровки речи из аудиофайлов
  • Автоматическое распознавание речи для последующей обработки текста

Ограничения

В карточке не названы обучающий датасет и поддерживаемые языки; результаты оценки приведены только для одного набора без его описания. WER 21,6559 и CER 5,6618 не позволяют судить о качестве на других данных и условиях записи.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-xls-r-1b-scandinavian-E3-100h-30-epochs-20250123

This model is a fine-tuned version of facebook/wav2vec2-xls-r-1b on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2819
  • Wer: 21.6559
  • Cer: 5.6618

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 6000
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
1.07780.630710000.640350.307015.8896
0.55791.261120000.327133.15039.3525
0.49431.891830000.279829.33428.2452
0.3642.522240000.270629.18008.1400
0.39363.152650000.270429.86318.2974
0.39173.783360000.283130.06348.6321
0.4014.413770000.282730.64428.7321
0.35565.044280000.281029.55048.3789
0.37585.674990000.264929.06618.2426
0.29986.3053100000.263229.11238.1817
0.3096.9360110000.258528.37737.9461
0.3277.5664120000.263829.03598.1756
0.32888.1968130000.258428.97688.0346
0.31188.8275140000.253628.09057.8639
0.23339.4579150000.254327.07457.5489
0.240610.0883160000.258427.03997.6065
0.232310.7190170000.252526.92037.4725
0.272611.3494180000.243826.81657.4168
0.236111.9801190000.244226.42027.3170
0.221712.6105200000.241625.80787.0961
0.200613.2409210000.248125.57287.0706
0.174413.8716220000.237525.59016.9779
0.180314.5020230000.240725.48066.9786
0.183515.1325240000.239025.39416.9559
0.183515.7632250000.239824.94746.8212
0.135616.3936260000.237124.13326.5554
0.127517.0240270000.241424.26006.5575
0.135417.6547280000.242123.90266.4959
0.137718.2851290000.254123.65616.3947
0.124518.9158300000.232623.42566.3225
0.114619.5462310000.247722.99186.1989
0.084220.1766320000.248022.90826.1661
0.082220.8073330000.250822.69926.0991
0.081321.4377340000.254622.67766.0490
0.087622.0681350000.261022.46005.9675
0.090622.6988360000.262322.32745.9101
0.075523.3292370000.263222.37505.8953
0.073423.9599380000.263722.03785.8312
0.066524.5904390000.269021.94555.7953
0.062825.2208400000.281621.82745.7466
0.06825.8515410000.276721.82455.7178
0.063726.4819420000.280121.77555.7103
0.053527.1123430000.278721.74235.6853
0.052327.7430440000.283321.67465.6771
0.049328.3734450000.282221.65875.6658
0.057629.0038460000.280521.64145.6632
0.055929.6345470000.281921.65595.6618

Framework versions

  • Transformers 4.48.1
  • Pytorch 2.5.1+cu124
  • Datasets 3.2.0
  • Tokenizers 0.21.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
d28f5da

0 моделей

    Создать бенчмарк